Question

考虑以下数据框：

 > tail(tot.final)
   names.id                  sequence names.reads width.reads names.counts st end flag
819   125546  TAGCTTATATGACTGATGTTGACA    125546-4          24            4  8  31 TRUE
820   218783  TCGCTTATCAGACTGATGTTGAAA    218783-2          24            2  8  31 TRUE
821   272992  CAGCTTATCAGACTGATGTTGAAA    272992-2          24            2  8  31 TRUE
822   135191 TAGCTTATCAGACTGATGTTGAACA    135191-4          25            4  8  32 TRUE
823   278047 TAGCTTATCAGACTGATGTTGAAGA    278047-2          25            2  8  32 TRUE
824   317980 TAGCTTATCAGACTGATGTTGCCCT    317980-2          25            2  8  32 TRUE

head(plusa)
  names.id            sequence names.reads width.reads names.counts st end flag
2     28092   ATCAGACTGATGTTGAC    28092-29          17           29 14  30 TRUE
4     65308  TTATCAGACTGATGTTGA    65308-10          18           10 12  29 TRUE
6     71226  TATCAGACTGATGTTGAC     71226-9          18            9 13  30 TRUE

> nrow(tot.final)
[1] 824
> nrow(plusa)
[1] 421

plusa contains 451 rows with a  common plusa$sequence column. (not sorted)

我想通过添加相应的plusa $序列的plusa $ names.counts值来更新tot.final $ names.counts元素。

考虑到“序列”字段为id，是否有可能以这种方式合并它们？

Answer 1

据我所知，我认为这就是你想要做的事情：

加入（说rbind）plusa到tot.final
对于此数据框中的每个唯一序列：总结计数栏。

在这种情况下，您可以使用plyr库。我举了一个例子来说明，你应该能够适应你的：

library(plyr)
df.final <- data.frame(sequence=c('A','B','C','D'),
                       counts=c(100,123,234,200),
                       stringsAsFactors=F)
#   sequence counts
# 1        A    100
# 2        B    123
# 3        C    234
# 4        D    200

df.plusa <- data.frame(sequence=c('A','E','C','F'),
                       counts=c(10,20,30,40),
                       stringsAsFactors=F)
#   sequence counts
# 1        A     10
# 2        E     20
# 3        C     30
# 4        F     40

# rbind together and do the counts:
df.final.aggregated <- ddply(rbind(df.final,df.plusa),
                             .(sequence),
                             summarise,
                             counts=sum(counts))
#   sequence counts
# 1        A    110
# 2        B    123
# 3        C    264
# 4        D    200
# 5        E     20
# 6        F     40

请注意ddply(dataframe,.(sequence),FUNCTION)表示：

for each unique seq in dataframe$sequence:
    do FUNCTION( dataframe[ dataframe$sequence==seq, ] )
    merge them all back into one big dataframe.

对于您的特定数据，这可能有效（未进行测试，因为我没有您的数据）：

ddply( rbind(tot.final,plusa), .(sequence), summarise,
       names.counts = sum(names.counts) )

通过更新信息合并两个长度不同的数据帧

1 个答案: